当前位置 —论文—写论文— 范文

计算机相关论文范文文献,与格式塔心理学文北京相关毕业论文提纲

本论文是一篇计算机相关毕业论文提纲,关于格式塔心理学文北京相关硕士学位毕业论文范文。免费优秀的关于计算机及格式塔心理学及神经网络方面论文范文资料,适合计算机论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

9702;单元的类型分为三类:输入单元,输出单元和隐单元.输入单元接受外部世界的信号与数据,输出单元实现系统处理结果的输出,隐单元是处在输入和输出单元之间,不能由系统外部观察的单元.神经元间的连接权值反映了单元间的连接强度,信息的表示和处理体现在网络处理单元的连接关系中.人工神经网络是一种非程序化,适应性,大脑风格的信息处理,其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能,并在不同程度和层次上模仿人脑神经系统的信息处理功能.它是涉及神经科学,思维科学,人工智能,计算机科学等多个领域的交叉学科.人工神经网络是并行分布式系统,采用了与传统人工智能和信息处理技术完全不同的机理,克服了传统的基于逻辑符号的人工智能在处理直觉,非结构化信息方面的缺陷,具有自适应,自组织和实时学习的特点.历史沿革1943年,心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型,称为MP模型.他们通过MP模型提出了神经元的形式化数学描述和网络结构方法,证明了单个神经元能执行逻辑功能,从而开创了人工神经网络研究的时代.1949年,心理学家提出了突触联系强度可变的设想.60年代,人工神经网络的到了进一步发展,更完善的神经网络模型被提出,其中包括感知器和自适应线性元件等.M.Minsky等仔细分析了以感知器为代表的神经网络系统的功能及局限后,于1969年出版了《Perceptron》一书,指出感知器不能解决高阶谓词问题.他们的论点极大地影响了神经网络的研究,加之当时串行计算机和人工智能所取得的成就,掩盖了发展新型计算机和人工智能新途径的必要性和迫切性,使人工神经网络的研究处于低潮.在此期间,一些人工神经网络的研究者仍然致力于这一研究,提出了适应谐振理论(ART网),自组织映射,认知机网络,同时进行了神经网络数学理论的研究.以上研究为神经网络的研究和发展奠定了基础.1982年,美国加州工学院物理学家J.J.Hopfield提出了Hopfield神经网格模型,引入了"计算能量"概念,给出了网络稳定性判断.1984年,他又提出了连续时间Hopfield神经网络模型,为神经计算机的研究做了开拓性的工作,开创了神经网络用于联想记忆和优化计算的新途径,有力地推动了神经网络的研究,1985年,又有学者提出了波耳兹曼模型,在学习中采用统计热力学模拟退火技术,保证整个系统趋于全局稳定点.1986年进行认知微观结构地研究,提出了并行分布处理的理论.人工神经网络的研究受到了各个发达国家的重视,美国国会通过决议将1990年1月5日开始的十年定为"脑的十年",国际研究组织号召它的成员国将"脑的十年"变为全球行为.在日本的"真实世界计算(RWC)"项目中,人工智能的研究成了一个重要的组成部分.基本内容人工神经网络模型主要考虑网络连接的拓扑结构,神经元的特征,学习规则等.目前,已有近40种神经网络模型,其中有反传网络,感知器,自组织映射,Hopfield网络,波耳兹曼机,适应谐振理论等.根据连接的拓扑结构,神经网络模型可以分为:(1)前向网络网络中各个神经元接受前一级的输入,并输出到下一级,网络中没有反馈,可以用一个有向无环路图表示.这种网络实现信号从输入空间到输出空间的变换,它的信息处理能力来自于简单非线性函数的多次复合.网络结构简单,易于实现.反传网络是一种典型的前向网络.(2)反馈网络网络内神经元间有反馈,可以用一个无向的完备图表示.这种神经网络的信息处理是状态的变换,可以用动力学系统理论处理.系统的稳定性与联想记忆功能有密切关系.Hopfield网络,波耳兹曼机均属于这种类型.学习是神经网络研究的一个重要内容,它的适应性是通过学习实现的.根据环境的变化,对权值进行调整,改善系统的行为.由Hebb提出的Hebb学习规则为神经网络的学习算法奠定了基础.Hebb规则认为学习过程最终发生在神经元之间的突触部位,突触的联系强度随着突触前后神经元的活动而变化.在此基础上,人们提出了各种学习规则和算法,以适应不同网络模型的需要.有效的学习算法,使得神经网络能够通过连接权值的调整,构造客观世界的内在表示,形成具有特色的信息处理方法,信息存储和处理体现在网络的连接中.根据学习环境不同,神经网络的学习方式可分为监督学习和非监督学习.在监督学习中,将训练样本的数据加到网络输入端,同时将相应的期望输出与网络输出相比较,得到误差信号,以此控制权值连接强度的调整,经多次训练后收敛到一个确定的权值.当样本情况发生变化时,经学习可以修改权值以适应新的环境.使用监督学习的神经网络模型有反传网络,感知器等.非监督学习时,事先不给定标准样本,直接将网络置于环境之中,学习阶段与工作阶段成为一体.此时,学习规律的变化服从连接权值的演变方程.非监督学习最简单的例子是Hebb学习规则.竞争学习规则是一个更复杂的非监督学习的例子,它是根据已建立的聚类进行权值调整.自组织映射,适应谐振理论网络等都是与竞争学习有关的典型模型.研究神经网络的非线性动力学性质,主要采用动力学系统理论,非线性规划理论和统计理论,来分析神经网络的演化过程和吸引子的性质,探索神经网络的协同行为和集体计算功能,了解神经信息处理机制.为了探讨神经网络在整体性和模糊性方面处理信息的可能,混沌理论的概念和方法将会发挥作用.混沌是一个相当难以精确定义的数学概念.一般而言,"混沌"是指由确定性方程描述的动力学系统中表现出的非确定性行为,或称之为确定的随机性."确定性"是因为它由内在的原因而不是外来的噪声或干扰所产生,而"随机性"是指其不规则的,不能预测的行为,只可能用统计的方法描述.混沌动力学系统的主要特征是其状态对初始条件的灵敏依赖性,混沌反映其内在的随机性.混沌理论是指描述具有混沌行为的非线性动力学系统的基本理论,概念,方法,它把动力学系统的复杂行为理解为其自身与其在同外界进行物质,能量和信息交换过程中内在的有结构的行为,而不是外来的和偶然的行为,混沌状态是一种定态.混沌动力学系统的定态包括:静止,平稳量,周期性,准同期性和混沌解.混沌轨线是整体上稳定与局部不稳定相结合的结果,称之为奇异吸引子.一个奇异吸引子有如下一些特征:(1)奇异吸引子是一个吸引子,但它既不是不动点,也不是周期解,(2)奇异吸引子是不可分割的,即不能分为两个以及两个以上的吸引子,(3)它对初始值十分敏感,不同的初始值会导致极不相同的行为.发展趋势人工神经网络特有的非线性适应性信息处理能力,克服了传统人工智能方法对于直觉,如模式,语音识别,非结构化信息处理方面的缺陷,使之在神经专家系统,模式识别,智能控制,组合优化,预测等领域得到成功应用.人工神经网络与其它传统方法相结合,将推动人工智能和信息处理技术不断发展.近年来,人工神经网络正向模拟人类认知的道路上更加深入发展,与模糊系统,遗传算法,进化机制等结合,形成计算智能,成为人工智能的一个重要方向,将在实际应用中得到发展.将信息几何应用于人工神经网络的研究,为人工神经网络的理论研究开辟了新的途径.神经计算机的研究发展很快,已有产品进入市场.光电结合的神经计算机为人工神经网络的发展提供了良好条件.

格式塔心理学文北京参考属性评定
有关论文范文主题研究:	关于计算机的文章	大学生适用:	硕士论文、高校毕业论文
相关参考文献下载数量:	78	写作解决问题:	如何写
毕业论文开题报告:	标准论文格式、论文小结	职称论文适用:	职称评定、初级职称
所属大学生专业类别:	如何写	论文题目推荐度:	优质选题